evaluación del comportamiento de los motores

197 Ciencia y Tecnología al servicio del pueblo

Evaluación del comportamiento de los motores pertenecientes a una planta eléctrica mediante los

indicadores de mantenimientoEvaluation of the behavior of the engines power plant

through maintenance indicators

Joao Bárzaga-Quesada1,2, José Morales-Leslie3, Roberto Beltrán-Reyna4, Euro Mena4

1 Departamento de Nivelación, Universidad de las Fuerzas Armadas ESPE, Sede Latacunga, Cotopaxi, Ecuador.

3 Departamento de Ingeniería Agrícola, Universidad de Granma, Granma, Cuba.4 Departamento de Ciencia de la Energía y Mecánica, Universidad de las Fuerzas Armadas ESPE, Sede

Latacunga, Cotopaxi, Ecuador.

ResumenLa presente investigación muestra un estudio a los motores Hyundai 1,7 MW pertenecientes a la Planta Eléctrica de Generación Distribuida (GD) fuel oil de Bayamo en la provincia Granma de Cuba, los cuales fueron objeto para la evaluación de su comportamiento durante los años 2014 y 2015, basado en el cálculo de los indicadores de mantenimiento. Para el desarrollo del trabajo fue necesario obtener los datos de operación de los años antes mencionados para lograr el cumplimiento de los objetivos y exponer la realidad del equipamiento. Como resultado del trabajo se pudieron identificar las fallas y averías que ocurrieron en los motores, además se obtuvo que el motor 6 fue el de peores valores en disponibilidad y confiabilidad donde el mejor fue el motor 3; en cuanto a la confiabilidad mostrada por la Planta durante el período seleccionado se observó un mejor comportamiento durante el 2014 con una valor de 81,83 % respecto a los 74,24 % del año 2015, otros indicadores demuestran que este último año fue peor. En general el comportamiento de la Planta Eléctrica es decreciente según los indicadores calculados lo que representa un efecto negativo en el cumplimiento de su objeto social.

Palabras clave: indicadores de mantenimiento, confiabilidad, disponibilidad, fallas, generación distribuida.

AbstractThis study shows that a study to Hyundai engines 1,7 MW fuel oil belonging to Bayamo Heavy Fuel Oil Power Plant, which were subjected to the evaluation of their behavior during the years 2013 and 2014, based on the calculation of maintenance indicators. For the development of the work was necessary to obtain the operation data to achieve compliance with the objectives and expose the reality of the equipment. As a result of the work, it was possible to identify the faults and damages that occurred in the engines, besides, the engine

Recibido: 1 de noviembre 2016, revisión aceptada: 29 de noviembre 2016

2Correspondiente al autor: [email protected]

3(3): 197-209. 2016


6 obtained the worst values of availability and reliability where the best was the engine 3; concerning the reliability shown by the plant during the selected period it observed a better behavior during the year 2014 with 81.83 % value in relation to 74.24 % of the year 2015, other indicators demonstrate that the last year was the worst. In general, the behavior of the power plant is decreasing according to the calculated indicators and that represents an adverse effect in the fulfillment of its social object.

Keywords: maintenance indicators, availability, failures, reliability, distributed generation.

IntroducciónEl uso de la energía eléctrica es cada vez más acentuado a nivel mundial debido a los avances tecnológicos que producen equipos electrónicos muy utilizados por los seres humanos. Si bien se ha logrado aumentar el uso de energías alternativas o renovables todavía son los combustibles fósiles los más utilizados por las Plantas Eléctricas para generar este tipo de energía.

En su investigación (Herrera et al., 2013) expone que en Cuba, aproximadamente el 96% de la generación eléctrica viene de combustibles fósiles, y el 26% de éste es producido por centrales eléctricas descentralizadas. Dicha tecnología aumentó seis veces desde 2005 al 2010, apuntando hacia el aumento de la eficiencia en la generación eléctrica y la distribución, así como para reducir la vulnerabilidad sobre los acontecimientos climáticos.

Puede expresarse entonces que la GD es un sistema que comprende la generación de energía eléctrica localizada, cercana al centro de carga con almacenamiento y administración de la misma, que puede trabajar de forma aislada o integrada a la red eléctrica, para proporcionar múltiples beneficios en ambos lados del medidor. El auge de los sistemas de GD se debe a los beneficios inherentes a la aplicación de esta

tecnología, tanto para el usuario como para la red eléctrica (Francisco et al., 2010, p. 42).

Una de las formas de utilización de la GD son los Grupos Electrógenos (GE) donde (Francisco et al., 2010) plantea que en la red eléctrica, los GE han sido utilizados, por lo general, para compensar las interrupciones de energía de las redes de distribución, donde la falta de esta puede causar daños importantes o donde la red eléctrica no está disponible, es insuficiente o no es rentable.

En el 2004, Cuba sufrió una severa crisis en el Sistema de Generación Electro -Energético Nacional, apoyado en aquel entonces en grandes plantas con elevados índices de consumo de combustibles y redes de transmisión y distribución en mal estado técnico, esta situación conllevó al surgimiento de la puesta en marcha de un nuevo programa (Hourné et al., 2012, p. 56).

Así mismo (Hourné et al., 2012) plantean que el programa consiste en un esquema de generación eléctrica distribuida que emplea la instalación de emplazamientos compuestos por baterías de grupos electrógenos, que operan con diesel o fuel-oil, constituyendo uno de los más profundos cambios conceptuales en esta esfera. Estos GE están distribuidos en dependencia de su potencia y utilidad, a todo lo largo y ancho

Joao Bárzaga-Quesada et al.

3(3): 197-209. 2016


del país y pueden ser pequeños, medianos o grandes Los grandes, en su mayoría, están conectados a la red nacional con el fin de apoyar a las centrales termoeléctricas en el proceso normal de generación.

La fiabilidad o confiabilidad es de mucha importancia para cualquier industria o proceso en la actualidad debido a la relación costo-efectividad y a la posibilidad de lograr una mayor eficiencia, evidencia de esto son varias investigaciones como (Martorell et al., 1999) donde se plantea la implementación de un sistema de mantenimiento basado en indicadores que conlleven a mejorar la fiabilidad, disponibilidad, mantenibilidad y seguridad de Plantas Nucleares, así como la disminución de órdenes de trabajo para Mantenimiento Correctivo (MC).

Por su parte (Hung, 2009) aborda en su investigación la aplicación de los principios y conceptos fundamentales del Mantenimiento Centrado en Confiabilidad (RCM) como estrategia para apoyar los indicadores de disponibilidad y paradas forzadas en las unidad de generación que conforman la Planta Oscar Augusto Machado (OAM) de C. A. La Electricidad de Caracas.

(Moura et al., 2011) por ejemplo utiliza métodos estocásticos, regresión y series de tiempo para prever o predecir el comportamiento de la fiabilidad y el tiempo para fallar basado además en el Método de Vector Soporte de Máquinas. En su investigación (Selvik y Aven, 2011) proponen un marco de referencia y lo que sería la ampliación del RCM a Mantenimiento Centrado en Confiabilidad y Riesgos (RRCM, siglas en inglés).

Por otra parte (Hourné et al., 2012) presentan un análisis de criticidad aplicada a GE en Cuba, estudio que tiene en cuenta algunos de los indicadores del mantenimiento

y que permite elevar la confiabilidad y disponibilidad de los equipos. (Igba et al., 2013) en su investigación proponen un enfoque basado en el Mantenimiento Centrado en la Confiabilidad (RCM, siglas en inglés) aplicado a las turbinas de viento.

Además (Hanak et al., 2014) realizan una evaluación probabilística del desempeño de una planta de generación a base de la quema de carbón para mejorar la confiabilidad de los equipos y disminuir el sobredimensionado de los mismos que genera baja eficiencia y altos costos.

(Heo et al., 2014) en su artículo presentan un modelo basado en RCM que desarrolle la estrategia de mantenimiento en un sistema de transmisión eléctrica. (Kile et al., 2014) realizan un estudio acerca de la selección de escenarios para la evaluación compuesta de la confiabilidad de sistemas de generación desregulados y con ello analizar el mercado de la generación en Noruega.

En su investigación (Matteson, 2014) presenta métodos de evaluación multi-criterios de sostenibilidad de la confiabilidad para sistemas de generación. (Ruiz-Rodriguez et al., 2014) presentan un método para optimizar la confiabilidad de una Planta de Generación Eléctrica mediante la introducción de GD utilizando biomasa como combustible. Por su parte (Safdarian et al., 2014) proponen una nueva formulación para la evaluación de la confiabilidad de sistemas de generación con limitaciones en corriente alterna. Además (Yssaad et al., 2014) presentan la optimización del RCM para sistemas de distribución eléctrica utilizando además el método de Análisis de Modos y Efectos de Fallas y Criticidad (FMECA, siglas en inglés).

(Gaver y Jacobs, 2014) plantean en su investigación que los sistemas modernos,

ARTÍCULO CIENTÍFICO · Evaluación del comportamiento de los motores pertenecientes

a una Planta Eléctrica mediante los indicadores de mantenimiento

3(3): 197-209. 2016


el civil (por ejemplo el automotor), y el militar (vehículos tripulados y no tripulados, vehículos de superficie y sumergibles), sufren fallos iniciales de diseño o modos de fallo, incluyendo los software, que perjudicialmente afectan la fiabilidad del sistema y la disponibilidad por ello proponen un estudio para el aumento de la confiabilidad mediante la eliminación de los modos de fallas.

En el capítulo 8 del libro Calidad de la Energía en Sistemas Energéticos y Máquinas Eléctricas (Masoum y Fuchs, 2015) presentan varios índices de confiabilidad para la industria de la generación. Por otra parte (Froger et al., 2016) realizan un estudio bien abarcador de bibliografías para mostrar la programación del mantenimiento en la industria eléctrica ya sea en las plantas de generación o en líneas de distribución.

Así mismo (Vishnu y Regikumar, 2016) presentan una estrategia de selección basada en el Mantenimiento basado en la Confiabilidad (CbM, siglas en inglés) donde además abordan sobre el RCM y de algunos indicadores del mantenimiento que se tratarán en el presente artículo todo aplicado a los procesos de una Planta Industrial.

(Alrabghi y Tiwari, 2016) presentan también un nuevo enfoque para un sistema de mantenimiento complejo donde se utilizan algunos de los indicadores que se verán en la presente investigación. (Zitrou et al., 2016) proponen un modelo para el aumento de la disponibilidad en la generación de energía. Como se puede observar es ampliamente estudiado el tema del mejoramiento continuo de los indicadores de mantenimiento desde varios enfoques para lograr una mejor eficiencia y sobre todo disminuir los costos de operación y de mantenimiento mismo.

Una vez que se instalan las Plantas de GD se hace necesario mantener los valores de disponibilidad y confiabilidad lográndose esto a través de la evaluación y control diario. Esto se logra teniendo en cuenta algunos indicadores del mantenimiento que también son denominados índices de Clase Mundial y que algunos investigadores han hecho uso de los mismos en diferentes trabajos como (Meng, 1995) que en su trabajo realiza una comparación del tiempo medio entre fallas (TMEF) de sistemas derivados para mejorar la redundancia en estado de espera.

Por otra parte (Castillo, 1999) en su libro se centra en la confiabilidad y su aplicación para demostrar el uso de los indicadores para mejorar el funcionamiento de los equipos. Además (Dinesh Kumar et al., 1999) presentan un nuevo enfoque dirigido al tiempo de operación sin necesidad de mantenimiento (MFOP, siglas en inglés) como una alternativa para medir el TMEF y la tasa de falla específicamente para la confiabilidad.

En su libro (Tavares, 2002) presenta la Administración Moderna del Mantenimiento y en el capítulo 4 aborda los Índices de Clase Mundial algunos de los cuales se presentan en este artículo para lograr su objetivo, así mismo en su artículo (Sánchez et al., 2003) tienen en cuenta estos indicadores.

En esa misma línea (Torres, 2005) en su libro Mantenimiento, su implementación y gestión abarca temas como la fiabilidad y los indicadores de mantenimiento. Además (Rigol Cardona et al., 2008) han tenido en cuenta estos indicadores para analizar el impacto de las fallas en vehículos de transporte de cargas, también (Muchiri et al., 2011) han tratado este tema en su investigación, además (Vujanović et al., 2012) utilizan algunos de estos indicadores entre otros


3(3): 197-209. 2016


como propuesta para la evaluación de flotas de vehículos, así mismo en el capítulo 4 de su libro (Calixto, 2013) aborda sobre los indicadores que aquí se presentan.

Por otra parte (Rocco, 2013) hace referencia al tiempo para fallar en su investigación, también (Wang et al., 2013) tratan sobre estos indicadores al aplicarlos a sistemas de enfriamiento, calentamiento y energía de edificios, de igual manera (Yssaad et al., 2014) presentan algunas de las ecuaciones para estos cálculos así como (Yssaad y Abene, 2015) dejan ver los resultados sobre la optimización del RCM aplicado a una Planta de GD. Por otra parte en su artículo sobre los indicadores claves de rendimiento (KPI, siglas en inglés) de Plantas industriales (Oliveira et al., 2016) hacen alusión a algunos de los que aparecen en este artículo al igual que (Vishnu y Regikumar, 2016) en su caso estudio a Plantas de proceso.

En la ciudad de Bayamo fue instalada una Planta Eléctrica con motores Hyundai 1,7 MW que operan con fuel-oil, los cuales han venido presentando fallas y averías continuas, lo que equivale a equipos fuera de servicio, pérdidas económicas, incumplimiento con el plan de generación y por ende la baja eficiencia de la Planta por lo que se plantea como objetivo evaluar el comportamiento de los motores mediante el cálculo de los indicadores de mantenimiento.

Para el desarrollo del trabajo se utilizarán algunos de estos indicadores, que como se mencionó anteriormente son denominados índices de Clase Mundial, para lo cual no existe una metodología específica sino que cada autor ha hecho uso de los mismos desde varios enfoques como se demostró anteriormente y ejemplos de experiencias en Cuba se tienen a (Fernández Sánchez y Shkiliova, 2012) donde validan un método

pero que solo tiene en cuenta 3 indicadores y (Azoy, 2014) que propone un método que tiene en cuenta al menos 3 de los índices que se calculan en la presente investigación y otros 2 referidos a costos.

MetodologíaProcedimiento para la evaluación de los motores Hyundai 1,7 MW pertenecientes a la Planta Eléctrica fuel oil Bayamo.

El procedimiento que se llevó a cabo para el desarrollo de la investigación fue basado en el planteamiento de un orden lógico que permitiera la obtención de datos, almacenamiento de los mismos, el cálculo de los indicadores de mantenimiento, la evaluación del comportamiento de los motores y con ello cumplimentar los objetivos planteados.

Identificación de las fallas y averías de los motores Hyundai 1,7 MW pertenecientes a la Planta Eléctrica fuel oil Bayamo.

La recogida de los datos se realiza a través de técnicos e ingenieros y basados en los siguientes documentos: GN-IG-0100 Manual de Gestión de mantenimiento a GE, GN-IG-0109 Reportes de mantenimiento. Estos datos se obtienen mensuales por ser esta la forma de cuantificación más conveniente según los informes realizados.

Los Grupos Electrógenos tienen instalado un Sistema de Supervisión, Control y Adquisición de Datos (SCADA, siglas en inglés) que es supervisado en la sala de control remoto por el operador de turno, este monitorea un grupo de variables; mediante su interface gráfica, le informa al operador si alguna de las variables está fuera



3(3): 197-209. 2016


de parámetro, en la Tabla 2.1, se relacionan las variables que permiten a los operadores de turno determinar el desempeño de los motores.

Tabla 1. Variables registradas por el sistema SCADA.Nombre de la variable Registrada por SCADA Rango valor U/MPotencia X 50~100 kWVelocidad motor X 891~909 min-1

Índice gobernador X 3.5~6 UnidadCombustible presión X 7~10 BarCombustible temperatura X 110~140 °CAceite lubricante nivel 50~75 %Aceite lubricante temperatura X 60~70 °CAceite lubricante presión llenado 5~6 BarAceite lubricante presión diferencial 0.1~1 BarAceite lubricante presión turbo X 2~4 Bar

Cálculo de los indicadores de mantenimiento en los motores Hyundai 1,7 MW pertenecientes a la Planta Eléctrica fuel oil Bayamo.

Para los cálculos de los indicadores de mantenimiento se tuvieron en cuenta los datos adquiridos en la Planta de Generación a través del control diario. A continuación se muestran los mismos.

Tiempo promedio para mantenimiento (TPPM): Relación entre el tiempo total de la intervención preventiva (HTMP) y el número total de la intervención preventiva en esos ítems (NTMP) durante el período observado.

NTMPHTMPTPPM �=

Ecuación (1)

Tiempo promedio para reparación (TPPR): Relación entre el tiempo total de intervención correctiva en un conjunto de ítems con falla (HTMC) y el número total de fallas detectadas en esos ítems o número total

de Mantenimientos Correctivos (NTMC), en el período observado. Utilizar en ítems para los cuales el tiempo de reparación o substitución es significativo en relación al tiempo de operación.

NTMCHTMCTPPR �=

Ecuación (2)

Tiempo medio entre fallas (TMEF): Relación entre el tiempo total de operación de un conjunto de ítems (HROP) y el número total de fallas detectadas en esos ítems, en el periodo observado.

NTMCHROPTMEF �

= Ecuación (3)

Disponibilidad del equipo (DISP): Expresa el tiempo en que el equipo está disponible para producir.

100×+

=TPPRTMEF

TMEFDisp Ecuación (4)


3(3): 197-209. 2016


Utilización (U): Utilización de equipos instalados. Horas de marcha reales (HMR) divido por las horas posibles de marcha (HPM) en (%). Aplicable a centrales y equipos que se encuentran en funcionamiento y reserva.

100×=HPMHMRU

Ecuación (5)

�Valor más frecuente: 85 - 90 % para equipos en funcionamiento.

�Tendencia: estable.

Confiabilidad (C): Se refiere a la probabilidad de que un motor puede realizar el funcionamiento requerido en un período considerado. Para un equipo de funcionamiento continuo difícilmente llegue a 100% siempre será lo más cerca posible.

100.

.×��=

PeríodoHrsHTMCPeríodoHrsConf

Ecuación (6)

ResultadosResultados de la identificación de las fallas y averías de los motores Hyundai 1,7 MW pertenecientes a la Planta Eléctrica fuel oil Bayamo.

En las tablas 2 y 3 se muestran las principales fallas y averías ocurridas en los motores Hyundai de 1,7 MW durante los años 2014 y 2015, en los cuales se reportaron un total de 666 y 262 respectivamente. Además se puede observar que en los datos que muestran estas tablas existe coincidencia en que todos los motores fallaron o tuvieron averías similares en 3 de las principales aquí expuestas.

Tabla 2. Fallas identificadas en los motores Hyundaide 1,7 MW.

Tipos de Fallas Cantidad de Motores

Vibración en la Inyección. 16Motor de arranque no enciende. 12Altas presiones en los cilindros. 16Derrame de combustible por los inyectores 13

Pérdida de potencia 3Fallas en el control automático y electrónico 16

El motor más crítico fue el 5 con un total de 55 entre fallas y averías, en ese sentido lo secundaron los motores 11 y 15 con totales de 53 respectivamente, en ambos años se pudo comprobar que desde abril hasta agosto existieron la mayor cantidad de fallas.Tabla 3. Averías identificadas en los motores Hyundai de 1,7 MW.

Números de Averías Cantidad de Motores

Salidero en la bomba de aceite. 10Salidero de combustible por tuberías de alta presión. 9

Derrame de aceite por el cárter del motor. 5Avería en los ventiladores de los motores. 16Averías en rodamientos. 16Averías en toberas. 16Demasiado humo por el escape de los gases tóxicos.

2

Resultados del cálculo de los indicadores de mantenimiento en los motores Hyundai 1,7 MW pertenecientes a la Planta Eléctrica fuel oil Bayamo.

En la figura 1 se pueden observar los resultados para el indicador TPPM donde se aprecia una gran diferencia entre un año y otro, esto se debe principalmente a la deficiente existencia de repuestos, a la aparición de fallas ocultas o daños durante las acciones de revisión y mantenimiento, en



3(3): 197-209. 2016


el caso del año 2015 se obtienen valores menores debido a que los motores tuvieron menor funcionamiento. No obstante se observa como los motores más estables al 9, 3 y 1 por ese orden.

Figura 1. TPPM de los motores Hyundai de 1,7 MW por meses durante los años 2014 y 2015.

En la figura 2 se muestran los resultados del cálculo del indicador TMEF donde se aprecia que durante el año 2015 se obtuvieron menores valores lo que se indica como negativo y esto demuestra un mal mantenimiento en el momento de la falla o pudiera ser sobre explotación o peor aún el incumplimiento con la política de mantenimiento.

Figura 2. TMEF de los motores Hyundai de 1,7 MW durante los años 2014 y 2015.

En la figura 3 se muestran los resultados del cálculo del parámetro TPPR que se obtuvieron para los motores Hyundai 1,7 MW durante los años 2014 y 2015, se puede ver que el motor 6 obtuvo los mayores valores debido a que estuvo fuera de servicio gran parte de ambos años por no cumplirse la reparación necesaria para su correcto funcionamiento lo que se traduce en la no existencia de ciertas piezas y mecanismos para repararlo, además se puede ver que los motores 7 y 5 tuvieron valores significativos.


3(3): 197-209. 2016


Figura 3. TPPR de los motores Hyundai de 1,7 MW durante los años 2014 y 2015.

En la figura 4 aparecen los resultados del cálculo de la Disponibilidad donde se puede observar que por lo general este indicador mejora en el 2015 y esto se produjo debido a que en este año las fallas fueron menores al año anterior que claro no en todos los motores fue así, además influye que en ese año la operación de la Planta fue menor.

Figura 4. Disponibilidad de los motores Hyundai de 1,7 MW en los años 2014 y 2015.

En la figura 5 se pueden observar gráficamente los resultados del cálculo de la confiabilidad de los motores Hyundai 1,7 MW durante los años 2013 y 2014, donde se aprecia que durante el año 2013 los motores más confiables fueron el 7, 13, 1 y el 3 respectivamente, no siendo así los motores 6, 9, 11 y el 10. En el caso del año 2014 los motores que obtuvieron mejores valores de confiabilidad fueron el 3, 4, 10 y el 12 respectivamente, por otra parte los que peor se comportaron fueron el 6, 14, 9 y el 7.



3(3): 197-209. 2016


Figura 5. Confiabilidad de los motores Hyundai de 1,7 MW durante los años 2014 y 2015.

A continuación se muestra la figura 6 la cual muestra el nivel de utilización que fueron sometidos los motores en estudio donde se aprecia que disminuye este parámetro radicalmente debido a la baja demanda de generación que tuvo la Planta.

Figura 6. Utilización de los motores Hyundai de 1,7 MW durante los años 2014 y 2015.

DiscusiónComo se pudo apreciar en el presente estudio, con el transcurso de los años los motores han ido decreciendo en los parámetros de comportamiento analizados debido primeramente


3(3): 197-209. 2016


a que la Planta disminuyó su generación de energía y por ende algunos motores estuvieron de reserva.

Entre los factores afectantes estuvo la sobre explotación sufrida durante el año 2014, donde comenzaron a aparecer fallas y averías en el sistema de alimentación traducidas a vibración en los inyectores y altas presiones en los cilindros así como averías en ventiladores, rodamientos, toberas y en el árbol de leva, esta última específicamente en los motores 10 y 12.

El caso fundamental de estos años fue el motor 6 que presentó una serie de fallas en el mes de mayo del 2014, ocasionándole una avería en el cigüeñal que lo puso fuera de servicio desde junio del 2014 hasta septiembre del 2015, donde comienza a trabajar pero con grandes tiempos fuera de servicio debido a otras fallas y averías afectando los parámetros generales del grupo de motores. Por otra parte se comprobó que los mantenimientos preventivos no se realizaron con la calidad requerida debido a la falta de piezas de repuesto y algunos fuera de tiempo.

Los resultados obtenidos para un año y otro demuestran que en el parámetro TMEF, en el año 2014 se obtuvo un tiempo de 170,56 h para fallar en cambio durante el año 2015 se obtuvieron 126,72 h lo que demuestra que la Planta se comportó peor. En cuanto al parámetro TPPR se obtuvo que para el año 2014 hicieron falta 52,13 h para reparar y en el año 2015 se calcularon 67,19 h como promedio lo que indica que varios fenómenos pudieron afectar su mal comportamiento entre los cuales pudo ser que no existieran piezas de repuestos o que las fallas fueran mayores de un año a otro.

Para el cálculo de la Disponibilidad se obtuvo un valor de 81,43 % durante el año 2014

mientras que para el año 2015 mejoró con 84,56 % esto se debió a la baja utilización de la Planta de un año para otro donde en el primer año se calculó un 78,98 % sin embargo en el segundo fue de solo 39,75 %. Por otra parte se obtuvo que para el cálculo de uno de los indicadores más importantes, la confiabilidad, durante el año 2014 fue de 81,83 % respecto a los 74,24 % obtenidos durante el 2015.

ConclusionesDespués de haber realizado el estudio sobre los indicadores de mantenimiento se identificaron las fallas y averías durante el funcionamiento de los motores Hyundai 1,7 MW durante los años 2014 y 2015 para de esta manera lograr la evaluación de los mismos en este período. Por otra parte se pudo comprobar que los indicadores TMEF, TPPR y Confiabilidad tan importantes para evaluar el comportamiento de cualquier instalación o mecanismo se comportaron decrecientemente. Según los datos obtenidos en el estudio se muestra una tendencia negativa en su comportamiento.

Literatura citadaAlrabghi, A., & Tiwari, A. (2016). A

novel approach for modelling complex maintenance systems using discrete event simulation. Reliability Engineering & System Safety, 154, 160-170. doi: http://dx.doi.org/10.1016/j.ress.2016.06.003

Azoy, A. (2014). Método para el cálculo de indicadores de mantenimiento. Ingeniería Agrícola, 4(4), 45-49.

Calixto, E. (2013). Chapter 4 - Reliability, Availability, and Maintainability Analysis. In E. Calixto (Ed.), Gas and Oil Reliability Engineering (pp. 169-347). Boston: Gulf Professional Publishing.

Castillo, G. (1999). Fiabilidad de máquinas, equipos e instalaciones F. d. I. M.



3(3): 197-209. 2016


Departamento de Mecánica (Ed.) (pp. 113). Retrieved from asd

Dinesh Kumar, U., Knezevic, J., & Crocker, J. (1999). Maintenance free operating period – an alternative measure to MTBF and failure rate for specifying reliability? Reliability Engineering & System Safety, 64(1), 127-131. doi: http://dx.doi.org/10.1016/S0951-8320(98)00048-9

Fernández Sánchez, M., & Shkiliova, L. (2012). Validación de un método para el cálculo de indicadores de mantenimiento. Revista Ciencias Técnicas Agropecuarias, 21, 72-79.

Francisco, M., Díaz, R., Castro, M., & Costa, Á. (2010). Calidad de la energía y generación distribuida en Cuba. Revista Cubana de Ingeniería, 1(3), 41-50.

Froger, A., Gendreau, M., Mendoza, J. E., Pinson, É., & Rousseau, L.-M. (2016). Maintenance scheduling in the electricity industry: A literature review. European Journal of Operational Research, 251(3), 695-706. doi: http://dx.doi.org/10.1016/j.ejor.2015.08.045

Gaver, D., & Jacobs, P. (2014). Reliability growth by failure mode removal. Reliability Engineering & System Safety, 130(2014), 27-32. doi: http://dx.doi.org/10.1016/j.ress.2014.04.012

Hanak, D. P., Kolios, A. J., Biliyok, C., & Manovic, V. (2014). Probabilistic performance assessment of a coal-fired power plant. Applied Energy, 139(2014), 350-364. doi: http://dx.doi.org/10.1016/j.apenergy.2014.10.079

Heo, J. H., Kim, M. K., & Lyu, J. K. (2014). Implementation of Reliability-Centered Maintenance for transmission components using Particle Swarm Optimization. International Journal of Electrical Power & Energy Systems, 55(2014), 238-245. doi: http://dx.doi.org/10.1016/j.ijepes.2013.09.005

Herrera, I., De Ruyck, J., Ocaña, V. S., Rubio, M., & Martínez, R. (2013). Environmental impact of decentralized power generation in Santa Clara City, Cuba: An integrated assessment based on technological and human health risk indicators. Applied Energy, 109(2013), 24-35. doi: http://dx.doi.org/10.1016/j.apenergy.2013.03.085

Hourné, M. B., Brito-Vallina, M. L., del Castillo-Serpa, A. M., Fraga-Guerra, E.,

& Díaz-Concepción, A. (2012). Análisis de criticidad de grupos electrógenos de la tecnología fuel oil en Cuba. Revista Ciencias Técnicas Agropecuarias, 21(3), 55-61.

Hung, A. J. (2009). Mantenimiento centrado en confiabilidad como estrategia para apoyar los indicadores de disponibilidad y paradas forzadas en la Planta Oscar A. Machado EDC. Ingeniería Energética, 30(2), 12-18.

Igba, J., Alemzadeh, K., Anyanwu-Ebo, I., Gibbons, P., & Friis, J. (2013). A Systems Approach Towards Reliability-Centred Maintenance (RCM) of Wind Turbines. Procedia Computer Science, 16(2013), 814-823. doi: http://dx.doi.org/10.1016/j.procs.2013.01.085

Kile, H., Uhlen, K., & Kjølle, G. (2014). Scenario selection in composite reliability assessment of deregulated power systems. International Journal of Electrical Power & Energy Systems, 63(2014), 124-131. doi: http://dx.doi.org/10.1016/j.ijepes.2014.05.071

Martorell, S., Sanchez, A., Muñoz, A., Pitarch, J. L., Serradell, V., & Roldan, J. (1999). The use of maintenance indicators to evaluate the effects of maintenance programs on NPP performance and safety. Reliability Engineering & System Safety, 65(2), 85-94. doi: http://dx.doi.org/10.1016/S0951-8320(98)00088-X

Masoum, M. A. S., & Fuchs, E. F. (2015). Chapter 8 - Impact of Poor Power Quality on Reliability, Relaying and Security Power Quality in Power Systems and Electrical Machines (Second Edition) (pp. 681-778). Boston: Academic Press.

Matteson, S. (2014). Methods for multi-criteria sustainability and reliability assessments of power systems. Energy, 71(2014), 130-136. doi: http://dx.doi.org/10.1016/j.energy.2014.04.042

Meng, F. C. (1995). Comparing the MTBF of four systems with standby components. Microelectronics Reliability, 35(7), 1031-1035. doi: http://dx.doi.org/10.1016/0026-2714(95)90861-J

Moura, M. d. C., Zio, E., Lins, I. D., & Droguett, E. (2011). Failure and reliability prediction by support vector machines regression of time series data. Reliability Engineering & System Safety, 96(11), 1527-


3(3): 197-209. 2016


1534. doi: http://dx.doi.org/10.1016/j.ress.2011.06.006

Muchiri, P., Pintelon, L., Gelders, L., & Martin, H. (2011). Development of maintenance function performance measurement framework and indicators. International Journal of Production Economics, 131(1), 295-302. doi: http://dx.doi.org/10.1016/j.ijpe.2010.04.039

Oliveira, M., Lopes, I., & Rodrigues, C. (2016). Use of Maintenance Performance Indicators by Companies of the Industrial Hub of Manaus. Procedia CIRP, 52, 157-160. doi: http://dx.doi.org/10.1016/j.procir.2016.07.071

Rigol Cardona, B., Hidalgo Batista, E., & Batista Rodríguez, C. (2008). El impacto de las fallas en los sistemas de los vehículos de transporte de carga, en la disponibilidad técnica de una gran empresa transportista de carga de la ciudad de Holguín. Revista Ciencias Holguín, 14(3), pp 11.

Rocco, C. M. (2013). Singular spectrum analysis and forecasting of failure time series. Reliability Engineering & System Safety, 114(2013), 126-136. doi: http://dx.doi.org/10.1016/j.ress.2013.01.007

Ruiz-Rodriguez, F. J., Gomez-Gonzalez, M., & Jurado, F. (2014). Reliability optimization of an electric power system by biomass fuelled gas engine. International Journal of Electrical Power & Energy Systems, 61(2014), 81-89. doi: http://dx.doi.org/10.1016/j.ijepes.2014.03.019

Safdarian, A., Fotuhi-Firuzabad, M., Aminifar, F., & Lehtonen, M. (2014). A new formulation for power system reliability assessment with AC constraints. International Journal of Electrical Power & Energy Systems, 56(2014), 298-306. doi: http://dx.doi.org/10.1016/j.ijepes.2013.11.027

Sánchez, A., Clemente, G., Sanz, J., & Martorell, S. (2003). Evaluación de la Confiabilidad de Equipos Mediante el Seguimiento de Indicadores. Aplicación a la Industria Ferroviaria. Paper presented at the 27 Congreso Nacional de Estadística e Investigación Operativa, Lleida, España.

Selvik, J. T., & Aven, T. (2011). A framework for reliability and risk centered maintenance. Reliability Engineering & System Safety, 96(2), 324-331. doi: http://dx.doi.org/10.1016/j.ress.2010.08.001

Tavares, L. A. (2002). Administración Moderna del Mantenimiento D. S. Inc. (Ed.) (pp. 132). Retrieved from http://www.mantenimientomundial.com/sites/Libro/lourival/default.asp?lang=ESP

Torres, L. D. (2005). Mantenimiento, Su implementación y gestión (Universitas Ed. Segunda Edición ed.). Argentina: Universitas, Argentina.

Vishnu, C. R., & Regikumar, V. (2016). Reliability Based Maintenance Strategy Selection in Process Plants: A Case Study. Procedia Technology, 25, 1080-1087. doi: http://dx.doi.org/10.1016/j.protcy.2016.08.211

Vujanović, D., Momčilović, V., Bojović, N., & Papić, V. (2012). Evaluation of vehicle fleet maintenance management indicators by application of DEMATEL and ANP. Expert Systems with Applications, 39(12), 10552-10563. doi: http://dx.doi.org/10.1016/j.eswa.2012.02.159

Wang, J.-J., Fu, C., Yang, K., Zhang, X.-T., Shi, G.-h., & Zhai, J. (2013). Reliability and availability analysis of redundant BCHP (building cooling, heating and power) system. Energy, 61(2013), 531-540. doi: http://dx.doi.org/10.1016/j.energy.2013.09.018

Yssaad, B., & Abene, A. (2015). Rational Reliability Centered Maintenance Optimization for power distribution systems. International Journal of Electrical Power & Energy Systems, 73, 350-360. doi: http://dx.doi.org/10.1016/j.ijepes.2015.05.015

Yssaad, B., Khiat, M., & Chaker, A. (2014). Reliability centered maintenance optimization for power distribution systems. International Journal of Electrical Power & Energy Systems, 55(2014), 108-115. doi: http://dx.doi.org/10.1016/j.ijepes.2013.08.025

Zitrou, A., Bedford, T., & Walls, L. (2016). A model for availability growth with application to new generation offshore wind farms. Reliability Engineering & System Safety, 152, 83-94. doi: http://dx.doi.org/10.1016/j.ress.2015.12.004



3(3): 197-209. 2016

evaluación del comportamiento de los motores

Documents